Aunque no es el primero, en este caso trabaja a temperatura ambiente. El sistema intenta integrar las tareas de almacenamiento y procesamiento de información.

Un equipo de investigadores de la Universidad de Northwestern, el Boston College y el MIT han creado un transistor sináptico capaz de procesar y almacenar información de un modo similar al de un cerebro humano. Por lo general los sistemas de aprendizaje automatizado llevan a cabo tareas de categorización, esto les permite luego establecer patrones y relaciones. El transistor sináptico produce un aprendizaje asociativo. 

Sin embargo, es importante notar que no es el primer dispositivo que utiliza esta técnica. La gran diferencia es que hasta el momento los transistores utilizados para tal fin tenían que funcionar en temperaturas crio-génicas. Ahora tenemos un dispositivo que puede hacer lo mismo a temperatura ambiente.

Y no solo funciona a grandes velocidades, consume poca energía y retiene la información aún cuando se le retira la energía.

Memorizar y procesar como el cerebro

Los investigadores han destacado que la arquitectura del cerebro es muy diferente a la de una computadora digital. Las computadoras consumen mucha energía y producen cuellos de botella cuando intentan realizar varias tareas al mismo tiempo. En el cerebro la memoria y el procesamiento de los datos están totalmente integrados lo que resulta en una mayor eficiencia energética.

El nuevo transistor imita en gran medida este comportamiento.

Combinación

Un aspecto clave del diseño es la combinación de un grafeno de dos capas y nitruro de boro (boro y nitrógeno). Al apilar ambos materiales y retorcerlos uno sobre el otro han conseguido que tengan nuevas propiedades. Y esto es lo que ha permitido conseguir los efectos que antes solo eran posibles en temperaturas más bajas con otros materiales.

Una mente más humana necesita un cerebro más humano

Una técnica literalmente más humana, se ha hecho necesaria debido al desarrollo de la inteligencia artificial. El trabajo que las IA realizan a menudo exige grandes cantidades de energía. Esto se debe en gran medida a la separación del almacenaje y el procesamiento.

En muchos casos la cantidad de recursos utilizados por los proyectos de IA es tal, que sus beneficios han sido puestos en duda.